Pengembangan Model Transkripsi Ucapan Dasar Bahasa Talaud Berbasis Whisper

Claudia Y. Sarempaa; Sherwin R. U Sompie; Wahyuni F. Zalmi

doi:10.69693/ijmst.v5i1.14515

Authors

Claudia Y. Sarempaa Universitas Sam Ratulangi Manado
Sherwin R. U Sompie Universitas Sam Ratulangi Manado
Wahyuni F. Zalmi Universitas Sam Ratulangi Manado

DOI:

https://doi.org/10.69693/ijmst.v5i1.14515

Keywords:

Bahasa Talaud, Transkripsi Ucapan, Whisper, Fine-Tuning, Pengenalan Ucapan Otomatis, Pelestarian Bahasa Daerah

Abstract

Bahasa Talaud merupakan bahasa daerah di kabupaten kepulauan Talaud, Sulawesi Utar, yang penggunaannya cenderung menurun di kalangan generasi muda. Kondisi ini mendorong perlunya pengembangan teknologi untuk mendukung pelestarian dan digitalisasi bahasa daerah. Penelitian ini bertujuan mengembangkan model transkripsi ucapan dasar bahasa Talaud berbasis Whisper melalui teknik fine-tuning agar dapat mengenali ucapan dalam bahasa Talaud dan mengubahnya menjadi teks secara otomatis. Metode penelitian meliputi pengumpulan data melalui perekaman suara penutur asli di Desa Kiama, Kabupaten Kepulauan Talaud, praprose audio dan teks, pembagian dataset, pelatihan model, serta evaluasi kinerja. Dataset yang digunakan terdiri atas 1.010 rekaman audio dengan total durasi 1 jam 11 menit. Data dibagi secara acak menjadi 808 data latih dan 202 data uji dengan rasio 80:20. Model Whisper-small dari OpenAI dilatih melalui proses fine-tuning selama 10 epoch. Evaluasi dilakukan menggunakan Word Error Rate (WER) dan Character Error Rate (CER). Dari 202 data uji, sebanyak 201 rekaman berhasil diproses dan menghasilkan nilai rata-rata WER sebesar 46,09% dan CER sebesar 24,36%. Sebanyak 114 rekaman atau 56,72% berhasil ditranskripsikan tanpa kesalahan. Hasil penelitian menunjukkan bahwa fine-tuning Whisper-small berpotensi digunakan untuk mengembangkan sistem transkripsi ucapan bahasa Talaud, meskipun tingkat kesalahannya masih perlu dikurangi. Peningkatan jumlah dan variasi data serta penyempurnaan proses pelatihan diperlukan untuk meningkatkan akurasi transkripsi. Penelitian ini diharapkan dapat menjadi dasar pengembangan teknologi pengenalan ucapan yang mendukung pelestarian bahasa Talaud.

References

1. Fathony, I. A. N., Mareta, A., Adiana, B. E., Wardhani, O., & Halim, D. A. (2025). Optimisasi Whisper Speech-to-Text Bahasa Indonesia dengan Hybrid Cloud dan Multi Engine. Elkom: Jurnal Elektronika dan Komputer, 18(1), 60-72.

2. Pertiwi, A. (2024). MEMBUKA DUNIA BAGI PENYANDANG TUNARUNGU: REVOLUSI SISTEM TRANSKRIPSI SUARA. Martabe: Jurnal Pengabdian Masyarakat, 7(1).

3. Suhendar, H., Slamet, C., & Syaripudin, U. (2025). Analisis Sentimen Hasil Transkripsi Audio Berbahasa Indonesia Menggunakan T5 (Text-to-Text Transfer Transformer). SMATIKA JURNAL, 15(01), 115-125.

4. Novela, M., & Basaruddin, T. (2021). Dataset suara dan teks berbahasa Indonesia pada rekaman podcast dan talk show. Jurnal Fasilkom, 11(2), 61-66.

5. NOERCHOLIS, A., DWIANDINI, T., & MUKTI, F. S. (2024). Optimasi Teknologi WAV2Vec 2.0 menggunakan Spectral Masking untuk meningkatkan Kualitas Transkripsi Teks Video bagi Tuna Rungu. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 12(4), 877.

6. Rifaldi, R. (2025). Pengembangan Fitur Speech Recognition Pada Aplikasi Notulensi Menggunakan Whisper AI (Doctoral dissertation, Universitas Islam Indonesia).

7. Syaifullah, M. I. (2024). Penerapan Teknologi Automatic Speech Recognition (Asr) Sebagai Alat Bantu Untuk Mendeteksi Kesalahan Dalam Membaca Al-Qur’an Menggunakan Model Wav2vec2. 0 Berbasis Mobile (Doctoral dissertation, Universitas Islam Sultan Agung Semarang).

8. Quinton, F. Y., Pranata, Y. W., Palenjawi, P., Febriansyah, R., Putry, S. A., Pratiwi, L., & Nainggolan, E. R. (2026). Perancangan Aplikasi Percakapan AI Berbasis Web Menggunakan Speech-to-Text, Text-to-Speech, dan Voicevox untuk Melatih Percakapan dalam Bahasa Jepang. Jurnal Ilmu Komputer, 1(1), 1-9.

9. Ferdiansyah, D., & Aditya, C. S. K. (2024). Implementasi automatic speech recognition bacaan Al-Qur’an menggunakan metode Wav2Vec 2.0 dan OpenAI-Whisper. Jurnal Teknik Elektro Dan Komputer TRIAC, 11(1), 11-16.

10. Putri, A. I. (2025). Implementasi Aplikasi Transkripsi Instan dalam Pembelajaran Inklusi di SMK Marsudirini Marganingsih Surakarta. JIMU: Jurnal Ilmiah Multidisipliner, 3(03), 1798-1803.

11. Putri, A. A., Anwar, M., & Anggrellanggi, A. (2024). Pengaruh Transkripsi Instan Terhadap Pemahaman Mahasiswa Tunarungu Universitas Sebelas Maret. Jurnal Inovasi Pendidikan, 2(3), 175-183.

12. Wilyanti, L. S., Larlen, L., & Wulandari, S. (2022). Transkripsi Sastra lisan melayu Jambi sebagai alternatif bahan ajar sastra di perguruan tinggi. Jurnal Ilmiah Universitas Batanghari Jambi, 22(1), 247-252.

13. SIEMWIJAYA, J. A. ANALISIS KESALAHAN PELAFALAN NADA 2 DAN NADA 3 SERTA DAMPAKNYA OLEH MAHASISWA PRODI PENDIDIKAN BAHASA MANDARIN DI UNIVERSITAS MA CHUNG.

14. Pratama, R. S. A., & Amrullah, A. (2024). Analysis of whisper automatic speech recognition performance on low resource language. Jurnal Pilar Nusa Mandiri, 20(1), 1-8.

15. Ariyati, D. A., & Rostina, R. (2024). Efektivitas Game English Whisper dalam Meningkatkan Keterampilan Berbahasa Inggris pada Siswa SMP 19 Makassar. Jurnal Pengabdian Masyarakat Nusantara, 6(4), 222-236.

16. Rumandjo, N., Dyantari, P., & Putra, G. N. (2023). DEVELOPMENT OF EARLY CHILDREN'S LANGUAGE ABILITY THROUGH CHAIN WHISPER PLAY METHOD AT KASIH BANGSA PALU KINDERGARTEN. JARITA: Journal of Children’s Education and Learning Research, 1(2), 67-72.

17. Ahsanurrijal, A., Akbar, F., Ahmad, A., Abdullah, A. R., & Ramli, A. (2025). Educational Chain Whisper Game for Improving Listening and Memory Based on Local Wisdom. Jurnal Sipakatau: Inovasi Pengabdian Masyarakat, 2(6), 268-274.

18. Putra, R. H., Alam, R., Indriasari, M., & Kom, M. (2025). PERANCANGAN WEBSITE NOTULENSI RAPAT OTOMATIS BERBASIS KECERDASAN BUATAN DENGAN FITUR TINDAK LANJUT. Technopex 2025, 9(1), 495-500.

19. Anggara, F. (2021). Implementasi Speech To Text Pada Pencarian Buku Berbasis Android (Doctoral dissertation, Universitas Islam Riau).

20. Haq, M. D., & Prasetiyo, N. T. (2025). Deep learning sebagai pendekatan transformasional dalam pendidikan: Sebuah tinjauan literatur. Jurnal Studi Guru Dan Pembelajaran, 8(3), 1826-1842.

21. Nzenwata, U., & Ogbuigwe, D. U. (2024). Automatic speech recognition for the Ika language. arXiv preprint arXiv:2410.00940.

22. Pranida, S. Z., Airlangga, M. C., Genadi, R. A., & Shehata, S. (2025). ASR under noise: Exploring robustness for Sundanese and Javanese. arXiv preprint arXiv:2509.25878.

23. Pratama, R. S. A., & Amrullah, A. (2024). Analysis of Whisper automatic speech recognition performance on low resource language. Jurnal Pilar Nusa Mandiri, 20(1), 1–8